【内容提要】本书共分7个章节：神经网络概述；
神经网络基本；
BP神经网络；
RBF径向基神经网络；
自组织竞争神经网络；
递归神经网络；
支持向量机。
【参考文献格式】韩敏编著.人工神经网络基本.大连：大连理工大学出版社.2014.03
神经网络基本；
BP神经网络；
RBF径向基神经网络；
自组织竞争神经网络；
递归神经网络；
支持向量机。
【参考文献格式】韩敏编著.人工神经网络基本.大连：大连理工大学出版社.2014.03
2015/11/10 7:43:09
30.81MB
1
【内容提要】本书共分7个章节：神经网络概述；
神经网络基本；
BP神经网络；
RBF径向基神经网络；
自组织竞争神经网络；
递归神经网络；
支持向量机。
【参考文献格式】韩敏编著.人工神经网络基本.大连：大连理工大学出版社.2014.03
神经网络基本；
BP神经网络；
RBF径向基神经网络；
自组织竞争神经网络；
递归神经网络；
支持向量机。
【参考文献格式】韩敏编著.人工神经网络基本.大连：大连理工大学出版社.2014.03
2015/11/10 7:43:09
30.81MB
1
个人最常用的集成库了，平时做项目用到的器件和封装都能在里边找到的！74ACT573T双向数据传输74HC138138译码器74HC1544-16译码器74HC595移位寄存器74HC4052双通道模仿开关74HVC32M双输入或门74LS32M双输入或门74VHC04M非门ACS712电流检测芯片ACT45B共模电感AD5235数控电阻AD8251可控增益运放AD8607AR双运放AD8667双运放AD8672AR双运放ADG836L双刀双掷数字开关AFBR-5803-ATQZ光以太网AS1015可调升压芯片ASM11173.3V稳压芯片AT24C02EEROM存储器AT89S5251系列单片机Battery备份电池BC57F687蓝牙音频模块BCP68NPN三极管BCP69TPNP三极管BEEP蜂鸣器BMP闪电符号BTS7970电机驱动Butterfly功率激光器Butterfly-S功率激光器Cap无极性电容CapPol极性电解电容CD4052BCM双通道模仿开关CG103BOSCH点火芯片CHECK测试点CY7C026AVRAMCY7C1041CV33RAMD-Schottky肖特基二极管DAC8532数模转换DConnector9串口DConnector15VGADiode二极管Diode-Z稳压二极管Diode_CRD恒流二极管DM9000A网络芯片DM9000C网络芯片DP83848I网络芯片DPY-4CA共阳4位数码管DPY-4CK共阴4位数码管DRV411闭环磁电流DS18B20温度传感器DS1307Z实时时钟EMIF接插件FIN散热片FM24CL16铁电存储器FPC-30PFPC排线连接器FPC-40PFPC排线连接器FT232RLUSB转串口Fuse2保险丝FZT869NPN三极管G3VM-61半导体继电器GA240Freescale16位单片机Header2接插件Header2X2A接插件Header2X2B接插件Header3接插件Header4接插件Header5X2接插件Header6接插件Header7X2Header,7-PinHeader8Header,8-PinHeader8X2A接插件Header10Header,10-PinHeader10X2Header,10-PinHeader14X2B2*14双排插针Header16Header16贴片Header16X2接插件Header32X2接插件Header40接插件Header_AMP50控制器接插件HFBR-1414光发送HFBR-2412光接收HFKC单刀双掷继电器HK4100F单刀双掷继电器HR911103A网络接口HR911105A以太网接口HS0038B红外接收器Inductor电感IS61LV51216静态RAMISO7221隔离芯片JoyStick模仿摇杆L298ST双电桥L5150BN5V稳压芯片LCD_CON37LCD接口LD-6.0mm5MW激光LD-MOD激光调制管LED-RGB三基色LEDLED0发光二极管LED1双色LEDLM317稳压芯片LM3244运放SOP8芯片LM358双运放LM2577S-ADJDC升压LM2577T-ADJDC升压LM2596S-5.05V稳压芯片LM2596S
2021/10/15 5:14:37
732KB
1
个人最常用的集成库了，平时做项目用到的器件和封装都能在里边找到的！74ACT573T双向数据传输74HC138138译码器74HC1544-16译码器74HC595移位寄存器74HC4052双通道模仿开关74HVC32M双输入或门74LS32M双输入或门74VHC04M非门ACS712电流检测芯片ACT45B共模电感AD5235数控电阻AD8251可控增益运放AD8607AR双运放AD8667双运放AD8672AR双运放ADG836L双刀双掷数字开关AFBR-5803-ATQZ光以太网AS1015可调升压芯片ASM11173.3V稳压芯片AT24C02EEROM存储器AT89S5251系列单片机Battery备份电池BC57F687蓝牙音频模块BCP68NPN三极管BCP69TPNP三极管BEEP蜂鸣器BMP闪电符号BTS7970电机驱动Butterfly功率激光器Butterfly-S功率激光器Cap无极性电容CapPol极性电解电容CD4052BCM双通道模仿开关CG103BOSCH点火芯片CHECK测试点CY7C026AVRAMCY7C1041CV33RAMD-Schottky肖特基二极管DAC8532数模转换DConnector9串口DConnector15VGADiode二极管Diode-Z稳压二极管Diode_CRD恒流二极管DM9000A网络芯片DM9000C网络芯片DP83848I网络芯片DPY-4CA共阳4位数码管DPY-4CK共阴4位数码管DRV411闭环磁电流DS18B20温度传感器DS1307Z实时时钟EMIF接插件FIN散热片FM24CL16铁电存储器FPC-30PFPC排线连接器FPC-40PFPC排线连接器FT232RLUSB转串口Fuse2保险丝FZT869NPN三极管G3VM-61半导体继电器GA240Freescale16位单片机Header2接插件Header2X2A接插件Header2X2B接插件Header3接插件Header4接插件Header5X2接插件Header6接插件Header7X2Header,7-PinHeader8Header,8-PinHeader8X2A接插件Header10Header,10-PinHeader10X2Header,10-PinHeader14X2B2*14双排插针Header16Header16贴片Header16X2接插件Header32X2接插件Header40接插件Header_AMP50控制器接插件HFBR-1414光发送HFBR-2412光接收HFKC单刀双掷继电器HK4100F单刀双掷继电器HR911103A网络接口HR911105A以太网接口HS0038B红外接收器Inductor电感IS61LV51216静态RAMISO7221隔离芯片JoyStick模仿摇杆L298ST双电桥L5150BN5V稳压芯片LCD_CON37LCD接口LD-6.0mm5MW激光LD-MOD激光调制管LED-RGB三基色LEDLED0发光二极管LED1双色LEDLM317稳压芯片LM3244运放SOP8芯片LM358双运放LM2577S-ADJDC升压LM2577T-ADJDC升压LM2596S-5.05V稳压芯片LM2596S
2021/10/15 5:14:37
732KB
1
《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
2016/1/18 19:48:46
95.69MB
1
《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
2016/1/18 19:48:46
95.69MB
1
NMF是一种新的矩阵分解算法，它将1个非负矩阵分解为左右2个非负矩阵的乘积。
由于分解前后的矩阵中仅包含非负的元素，因而原矩阵中的列向量可以解释为对左矩阵中所有列向量(称为基向量)的加权和，而权重系数为右矩阵中对应列向量中的元素。
由于分解前后的矩阵中仅包含非负的元素，因而原矩阵中的列向量可以解释为对左矩阵中所有列向量(称为基向量)的加权和，而权重系数为右矩阵中对应列向量中的元素。
2016/11/15 17:43:41
2KB
1
基于小波距量法(MOM)研讨了微粗糙光学基片表面与上方冗余粒子的差值光散射特性。
从基本电场积分方程出发,推导出冗余粒子目标与光学基片微粗糙面的积分方程,得到阻抗矩阵,进而推导出散射耦合场及差值场,给出复合散射模型双站散射截面的计算公式,数值计算并分析了不同入射角度,不同材质的单个及双个冗余缺陷粒子与微粗糙光学基片表面的双站散射截面及差值双站散射截面的散射角分布,给出冗余粒子及微粗糙面的散射贡献及差值场散射角分布。
从基本电场积分方程出发,推导出冗余粒子目标与光学基片微粗糙面的积分方程,得到阻抗矩阵,进而推导出散射耦合场及差值场,给出复合散射模型双站散射截面的计算公式,数值计算并分析了不同入射角度,不同材质的单个及双个冗余缺陷粒子与微粗糙光学基片表面的双站散射截面及差值双站散射截面的散射角分布,给出冗余粒子及微粗糙面的散射贡献及差值场散射角分布。
2016/7/18 19:36:13
2.65MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB